Métodos Estatísticos Avançados em Epidemiologia

Tamanho: px
Começar a partir da página:

Download "Métodos Estatísticos Avançados em Epidemiologia"

Transcrição

1 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39

2 Introdução Existem muitas situações nas quais um pesquisador deseja comparar mais do que dois grupos experimentais com relação a uma variável quantitativa. Exemplos: Comparar três drogas para reduzir o colesterol. Comparar a idade de pacientes entre três grupos de risco (baixo, médio, alto). 2 / 39

3 Introdução A primeira vista, pode parecer correto realizar vários testes t entre os grupos, comparando-os dois a dois. No caso da comparação de três grupos (grupo A, grupo B e grupo C), haveria três testes t de comparação entre médias: µ A vs µ B, µ A vs µ C e µ B vs µ C. Na comparação de quatro grupos, haveria seis testes t de comparação entre médias. Se o número de grupos é igual a 10, precisaríamos de 45 testes t dois a dois. 3 / 39

4 Introdução Observação 1: O número de testes aumenta conforme o número de grupos aumenta. Para k grupos temos ( ) k 2 comparações. Observação 2: Tal procedimento (a realização de todas as comparações dois a dois) é estatisticamente ineficiente. O teste t foi delineado para, em um mesmo experimento, comparar-se uma média A com apenas outra, B, com probabilidade α de se concluir, incorretamente, por uma diferença que não existe. Se forem feitas mais de uma comparação envolvendo a média A, a probabilidade de um erro deste tipo passa a ser maior do que α. 4 / 39

5 Introdução O procedimento mais indicado para se evitar esse aumento no nível global de significância do experimento consiste em utilizar a técnica da Análise de Variância (ANOVA). Este método compara todas as médias em um único teste e visa a identificar a existência de ao menos uma diferença entre grupos. Caso o resultado seja significativo, aplica-se posteriormente uma das várias técnicas existentes de comparações múltiplas entre as médias. Estes procedimentos permitem identificar quais as populações possuem médias diferentes entre si, mantendo controlado o nível de significância do teste. 5 / 39

6 Exemplo: Volume expiratório forçado (FEV) (Pagano e Gauvreau, 2004, p.256) Desejamos comparar o volume expiratório forçado de pacientes com doença coronária oriundos de três centros médicos diferentes (21 pacientes da Johns Hopkins University School of Medicine, 16 pacientes do Rancho Los Amigos Medical Center e 23 pacientes da St. Louis University School of Medicine). Estamos interessados em testar H 0 : µ 1 = µ 2 = µ 3 contra a alternativa de que pelo menos duas médias populacionais são diferentes. Os dados são apresentados a seguir. 6 / 39

7 Exemplo: Volume expiratório forçado (FEV) Tabela: Volume expiratório forçado em 1 segundo para pacientes com doença coronária de três diferentes centros médicos.(em litros) Johns Hopkins Rancho Los Amigos St. Louis 3,23 2,57 3,22 2,61 2,79 3,17 3,47 2,08 2,88 3,39 3,22 2,23 1,86 2,47 1,71 3,17 2,25 2,19 2,47 2,47 2,89 2,98 4,06 3,01 2,74 3,77 2,47 1,98 1,69 2,88 3,29 2,77 2,81 2,10 2,63 3,39 2,95 2,85 2,81 2,53 3,86 3,56 2,43 3,28 2,64 2,88 3,20 3,36 2,71 2,63 3,53 2,61 2,71 3,38 2,91 3,41 3,07 1,98 2,87 2,81 n 1 = 21 n 2 = 16 n 3 = 23 x 1 = 2, 63 litros x 2 = 3, 03 litros x 3 = 2, 88 litros s 1 = 0, 496 litros s 2 = 0, 523 litros s 3 = 0, 498 litros 7 / 39

8 Exemplo: FEV - Análise Descritiva - Box-plots Figura: 1- John Hopkins, 2- Rancho Los Amigos e 3- St. Louis. 8 / 39

9 Fontes de variação Como o nome sugere, a análise de variância depende de estimativas da dispersão/variância. Quando trabalhamos com diferentes populações, podemos calcular dois tipos de medidas de variância: a variação dos valores dos indivíduos em torno das médias populacionais (desvio-padrão intra-grupo); e a variação das médias populacionais em torno da média global (desvio-padrão inter-grupos). Se a variabilidade dentro das k diferentes populações é pequena em relação a variabilidade entre suas respectivas médias, isto sugere que as médias populacionais são de fato diferentes. 9 / 39

10 Fontes de variação Para testar a hipótese nula H 0 : µ 1 = µ 2 =... = µ k para um conjunto de k populações, primeiro precisamos encontrar uma medida de variabilidade das observações individuais em torno de suas médias populacionais. A estimativa combinada da variância comum σ 2 é tal medida. Seja n = n 1 + n n k (tamanho total da amostra), então s 2 D = (n 1 1)s (n 2 1)s (n k 1)s 2 k n k em que s 2 j é a variância amostral do grupo j. Esta quantidade é simplesmente a média ponderada das k variâncias amostrais. O subscrito D se refere a variabilidade dentro de grupos., 10 / 39

11 Fontes de variação Precisamos de uma expressão que estime a variação das médias em torno da média global, ou seja, a variância entre grupos. Se a hipótese nula é verdadeira, esta quantidade também estima a variância comum σ 2 se 2 = n 1( x 1 x) 2 + n 2 ( x 2 x) n k ( x k x) 2, k 1 em que x j é a média amostral do grupo j e x é a média global das n observações x = n 1 x 1 + n 2 x n k x k n 1 + n n k = n 1 x 1 + n 2 x n k x k. n 11 / 39

12 Fontes de variação Agora que temos as estimativas das variâncias, queremos responder a seguinte questão: as médias amostrais variam em torno da média global mais do que as observações individuais variam em torno das médias amostrais? Se sim, isto implica que as correspondentes médias populacionais são diferentes. Para testar a hipótese nula que as médias populacionais são idênticas, usamos a seguinte estatística de teste F = s2 E sd / 39

13 Fontes de variação Sob a hipótese nula, que as médias são iguais, tanto s 2 E quanto s 2 D estimam a variância comum σ2, e F é próximo de 1. Se existe uma diferença entre as populações, então a variância entre os grupos é maior que a variância dentro dos grupos, e F é maior que 1. Sob H 0, a razão F tem uma distribuição F com k 1 e n k graus de liberdade. 13 / 39

14 Distribuição F f(x) x Figura: Distribuição F com 4 e 2 graus de liberdade. 14 / 39

15 5 F Distribuição F Distribuição F de Snedecor a 5% (p=0,05) p=0,05 F t ,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,41 19,42 19,43 19,43 19,44 19,45 19,46 19,47 19,48 19, ,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,71 8,70 8,69 8,67 8,66 8,62 8,59 8,57 8,55 4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,87 5,86 5,84 5,82 5,80 5,75 5,72 5,69 5,66 5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,64 4,62 4,60 4,58 4,56 4,50 4,46 4,43 4,40 6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,96 3,94 3,92 3,90 3,87 3,81 3,77 3,74 3,70 7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,53 3,51 3,49 3,47 3,44 3,38 3,34 3,30 3,27 8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,24 3,22 3,20 3,17 3,15 3,08 3,04 3,01 2,97 9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,03 3,01 2,99 2,96 2,94 2,86 2,83 2,79 2, ,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,86 2,85 2,83 2,80 2,77 2,70 2,66 2,62 2, ,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,74 2,72 2,70 2,67 2,65 2,57 2,53 2,49 2, ,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,64 2,62 2,60 2,57 2,54 2,47 2,43 2,38 2, ,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,55 2,53 2,51 2,48 2,46 2,38 2,34 2,30 2, ,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,48 2,46 2,44 2,41 2,39 2,31 2,27 2,22 2, ,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,42 2,40 2,38 2,35 2,33 2,25 2,20 2,16 2, ,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,37 2,35 2,33 2,30 2,28 2,19 2,15 2,11 2, ,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,33 2,31 2,29 2,26 2,23 2,15 2,10 2,06 2, ,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,29 2,27 2,25 2,22 2,19 2,11 2,06 2,02 1, ,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,26 2,23 2,21 2,18 2,16 2,07 2,03 1,98 1, ,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,22 2,20 2,18 2,15 2,12 2,04 1,99 1,95 1, ,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,20 2,18 2,16 2,12 2,10 2,01 1,96 1,92 1, ,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,17 2,15 2,13 2,10 2,07 1,98 1,94 1,89 1, ,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,15 2,13 2,11 2,08 2,05 1,96 1,91 1,86 1, ,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,13 2,11 2,09 2,05 2,03 1,94 1,89 1,84 1, ,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,16 2,11 2,09 2,07 2,04 2,01 1,92 1,87 1,82 1, ,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,15 2,09 2,07 2,05 2,02 1,99 1,90 1,85 1,80 1, ,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,13 2,08 2,06 2,04 2,00 1,97 1,88 1,84 1,79 1, ,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,12 2,06 2,04 2,02 1,99 1,96 1,87 1,82 1,77 1, ,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,10 2,05 2,03 2,01 1,97 1,94 1,85 1,81 1,75 1, ,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,04 2,01 1,99 1,96 1,93 1,84 1,79 1,74 1, ,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,00 1,95 1,92 1,90 1,87 1,84 1,74 1,69 1,64 1, ,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,86 1,84 1,82 1,78 1,75 1,65 1,59 1,53 1, ,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,83 1,78 1,75 1,73 1,69 1,66 1,55 1,50 1,43 1,35 Tabela 5: Quantis da Distribuição F para probabilidade p = P [F Ft] = 0, 05. Graus de liberdade do numerador dado no topo e do denominador na margem esquerda. 15 / 39

16 Fontes de variação Observação: Podemos organizar o procedimento na seguinte tabela Tabela: Tabela da Análise de Variância. Fontes de variação SQ GL QM F Entre os grupos SQ E k 1 QM E = SQ E /k 1 QM E / QM D Dentro dos grupos SQ D n k QM D = SQ D /n k - Total SQ Total n em que: SQ E é a soma de quadrados entre os grupos e é o numerador de se 2, ou seja, SQ E = n 1 ( x 1 x) 2 + n 2 ( x 2 x) n k ( x k x) 2. SQ D é a soma de quadrados dentro dos grupos e é o numerador de sd 2, ou seja, SQ D = (n 1 1)s1 2 + (n 2 1)s (n k 1)sk 2. Note que QM E = se 2 e QM D = sd / 39

17 Fontes de variação Retomando ao exemplo, estamos interessados em testar se a média da variável FEV é igual para os pacientes dos três diferentes centros médicos. Ou seja, H 0 : µ 1 = µ 2 = µ 3. Para começar, calculamos a estimativa da variância dentro dos grupos s 2 D = (n 1 1)s (n 2 1)s (n 3 1)s 2 k n 1 + n 2 + n 3 3 = (21 1)(0, 496)2 + (16 1)(0, 523) 2 + (23 1)(0, 498) = 0, 254 litros / 39

18 Fontes de variação Temos que a média global é x = n 1 x 1 + n 2 x 2 + n 3 x 3 n 1 + n 2 + n 3 21(2, 63) + 16(3, 03) + 23(2, 88) = = 2, 83 litros, e assim a estimativa da variância entre os grupos é s 2 E = n 1( x 1 x) 2 + n 2 ( x 2 x) 2 + n 3 ( x 3 x) = 21(2, 63 2, 83)2 + 16(3, 03 2, 83) (2, 88 2, 83) = 0, 791 litros / 39

19 Fontes de variação Desta forma, a estatística de teste é F = s2 E s 2 D 0, 769 = 0, 254 = 3, 028. Para a distribuição F com k 1 = 3 1 = 2 e n k = 60 3 = 57 graus de liberdade, o valor p = 0, 052. Rejeitamos a hipótese nula ao nível de 10% de significância, mas não se rejeita ao nível de 5% de significância. Possivelmente haja alguma diferença entre as médias dos valores do FEV entre estas três populações. 19 / 39

20 Fontes de variação De forma análoga, temos a seguinte tabela de análise de variância. Tabela: Tabela da Análise de Variância. Fontes de variação SQ GL QM F p-valor Entre os grupos 1,58 2 0, 791 3,115 0,052 Dentro dos grupos 14, , Total 16, / 39

21 Procedimentos de comparações múltiplas Um valor de F significativo na ANOVA não indica quais são os grupos significativamente diferentes dois a dois. Ele apenas detecta a existência de pelo menos uma diferença entre os grupos estudados. A identificação de diferenças particulares entre médias, tomando-as duas a duas, deve ser realizada por um dos vários métodos de Comparações Múltiplas entre Médias existentes na literatura. Estes testes são semelhantes ao test t, com a diferença de que controlam o nível de significância ao levar em consideração o número de comparações a serem realizadas. 21 / 39

22 Procedimentos de comparações múltiplas Correção de Bonferroni O procedimento de Bonferroni consiste em corrigir o valor do nível de significância α, calculando-se α = α m em que α é o nível de significância global e m é o número de comparações a serem realizadas (m = ( k 2), para k grupos). Para o caso de k = 3 populações, o total de testes é m = ( 3 2) = 3. Se definimos o nível de significância global em 10%, devemos utilizar α = para cada teste individual. 0, 10 3 = 0, / 39

23 Procedimentos de comparações múltiplas Correção de Bonferroni Para realizar um teste da hipótese nula devemos calcular H 0 : µ i = µ j t ij = x i x j. sd 2 [(1/n i) + (1/n j )] Note que este é um teste t para duas amostras, porém ao invés de estimarmos a variância somente com as duas amostras que estão sendo comparandas, estimamos utilizando a informação das k amostras. Sob a hipótese nula, t ij tem uma distribuição t com n k graus de liberdade. 23 / 39

24 Procedimentos de comparações múltiplas Correção de Bonferroni Considerando o exemplo do FEV, começamos comparando as populações 1 e 2, os pacientes da Johns Hopkins e aqueles do Rancho Los Amigos. Neste caso, t 12 = x 1 x 2 sd 2 [(1/n 1) + (1/n 2 )] = 2, 63 3, 03 0, 254[(1/21) + (1/16)] = 2, 43. Para um teste t com n k = 60 3 graus de liberdade, o valor-p= 0, 018. Assim, rejeitamos a hipótese nula ao nível 3,3% e concluímos que as médias do FEV dos pacientes da Johns Hopkins e do Rancho Los Amigos são diferentes. 24 / 39

25 Procedimentos de comparações múltiplas Correção de Bonferroni Comparando as populações 1 e 3 (os pacientes da Johns Hopkins e aqueles da St. Louis), temos t 13 = = x 1 x 3 sd 2 [(1/n 1) + (1/n 3 )] 2, 63 2, 88 0, 254[(1/21) + (1/23)] = 1, 64. Como o valor-p> 0, 10, não temos evidências suficientes para concluir que µ 1 difere de µ / 39

26 Procedimentos de comparações múltiplas Correção de Bonferroni Comparando os pacientes do Rancho Los Amigos e aqueles da St. Louis (populações 2 e 3), temos t 23 = = x 2 x 3 sd 2 [(1/n 2) + (1/n 3 )] 3, 03 2, 88 0, 254[(1/16) + (1/23)] = 0, 91. Novamente o p-valor> 0, 10, e não temos evidências suficientes para concluir que µ 2 difere de µ / 39

27 Outros Procedimentos de Comparações Múltiplas Tukey, Schefée, etc. Cada método fornece um valor de referência que deve ser comparado às diferenças de médias amostrais. De forma equivalente, eles fornecem um intervalo de confiança para a diferença de médias. Um procedimento usual consiste em: (1) ordenar as médias amostrais; (2) compará-las utilizando um método de comparação múltipla. 27 / 39

28 Outros Procedimentos de Comparações Múltiplas Teste de Tukey O método de comparações múltiplas de Tukey é bastante popular por ser um dos primeiros e razoavelmente eficiente. Neste teste, duas média amostrais são comparadas usando ( S T (1 α);k,n k 1 s 2 2 D + 1 ) n i n j em que S T (1 α);k,n k é o quantil de probabilidade (1 α) da distribuição Studentizada com k e n k graus de liberdade. 28 / 39

29 Outros Procedimentos de Comparações Múltiplas Teste de Tukey A hipótese H 0 : µ i = µ j é rejeitada se x i x j S ( T (1 α);k,n k 1 s 2 2 D + 1 ) n i n j 29 / 39

30 Outros Procedimentos de Comparações Múltiplas Teste de Tukey Considerando o exemplo do FEV, comparando as populações 1 e 2, os pacientes da Jonh Hopkins e do Rancho Los Amigos, o valor-p obtido foi igual a 0,047. Assim, rejeitamos a hipótese nula ao nível 10% e concluímos que as médias do FEV dos pacientes da Johns Hopkins e do Rancho Los Amigos são diferentes. Comparando as populações 1 e 3 (pacientes da Jonh Hopkins e da St. Louis), o valor-p obtido foi igual a 0,229. Desta forma, não rejeitamos a hipótese nula ao nível de 10% e concluímos que as médias do FEV dos pacientes da Jonh Hopkins e da St. Louis não são diferentes. 30 / 39

31 Outros Procedimentos de Comparações Múltiplas Teste de Tukey Comparando os pacientes do Rancho Los Amigos e da St. Louis (populações 2 e 3), o valor-p obtido foi igual a 0,619. Assim, não rejeitamos a hipótese nula ao nível 10% e concluímos que as médias do FEV dos pacientes da St. Louis e do Rancho Los Amigos são iguais. 31 / 39

32 Outros Procedimentos de Comparações Múltiplas Teste de Scheffé Neste teste a hipótese nula H 0 : µ i = µ j é rejeitada se x i x j ( 1 (k 1)F (1 α);k 1,n k sd ) n i n j em que, F (1 α) é o quantil de probabilidade (1 α) da distribuição F k 1,n k. 32 / 39

33 Condições para o uso da ANOVA Para que os resultados da Análise de Variância sejam válidos, é necessário que: as variâncias das distribuições do desfecho de cada tratamento tem que ser iguais (HOMOCEDASTICIDADE); e, o desfecho de cada tratamento deve ter distribuição normal (NORMALIDADE). A ANOVA é razoavelmente robusta a afastamentos da normalidade, especialmente se os tamanhos amostrais forem grandes. 33 / 39

34 Como verificar as suposições da ANOVA Uma ferramente útil para esta tarefa são os resíduos do ajuste da ANOVA. Y ij = µ + τ i + ɛ ij em que Y ij é o desfecho da j-ésima observação no i-ésimo tratamento/grupo; µ: efeito geral da média: τ i : efeito do i-ésimo tratamento. Os resíduos são definidos da seguinte forma: ˆɛ ij = Y ij ˆµ ˆτ i em que ˆµ e ˆτ i são os valores estimados pelos dados. 34 / 39

35 Verificando as suposições da ANOVA 1 HOMOCEDASTICIDADE Teste Bartlett ou Levene (σ 2 1 =... = σ2 k ). Gráfico de resíduos vs ajustados (não deve exibir tendências sob homocedasticidade). 2 NORMALIDADE Teste Shapiro-Wilks. Gráfico de Probabilidade Normal dos resíduos. 35 / 39

36 Exemplo: FEV - Testes Considerando o exemplo do FEV os seguintes valores-p foram obtidos Bartlett: valor-p = 0,971 / Levene: valor-p=0,959 Shapiro-Wilks: valor-p = 0, / 39

37 Exemplo: FEV - Resíduos - Resultado do R Fitted values Residuals Residuals vs Fitted Theoretical Quantiles Standardized residuals Normal Q Q Fitted values Standardized residuals Scale Location Leverage Standardized residuals Cook's distance Residuals vs Leverage / 39

38 O que fazer se as suposições não valerem? 1 Testes Não-Paramétrico: Kruskal-Wallis, permutação, etc. 2 Transformação na Resposta. 3 Modelar a dispersão. 38 / 39

39 VEF - Conclusão Final Resumindo, encontramos que a média do FEV dos pacientes da Johns Hopikins é significativa menor que a média do FEV daqueles do Rancho Los Amigos. Nenhuma outra diferença foi detectada. Intervalo de 90% de Confiança para a diferença média de FEV entre os pacientes da Johns Hopkins e aqueles do Rancho Los Amigos: x 1 x 2 ± t 57;1 (0,1/2 3) s 2 D [(1/n 1) + (1/n 2 )] = 2, 63 3, 03 ± 2, 18 0, 25[(1/21) + (1/16)] = ( 0, 77; 0, 04) Ou seja, o FEV médio dos pacientes do centro médico de Rancho Los Amigos é 0,4 l (IC; 90%, 0,04;0,77) maior que o FEV médio daqueles da Johns Hopkins. 39 / 39

AULA 19 Análise de Variância

AULA 19 Análise de Variância 1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo

Leia mais

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... ANÁLISE DE VARIÂNCIA. Departamento de Matemática ESTV.

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... ANÁLISE DE VARIÂNCIA. Departamento de Matemática ESTV. INTRODUÇÃO Exemplos Para curar uma certa doença existem quatro tratamentos possíveis: A, B, C e D. Pretende-se saber se existem diferenças significativas nos tratamentos no que diz respeito ao tempo necessário

Leia mais

Métodos Quantitativos em Medicina

Métodos Quantitativos em Medicina Métodos Quantitativos em Medicina Comparação de Duas Médias Terceira Aula 009 Teste de Hipóteses - Estatística do teste A estatística do teste de hipótese depende da distribuição da variável na população

Leia mais

Bioexperimentação. Prof. Dr. Iron Macêdo Dantas

Bioexperimentação. Prof. Dr. Iron Macêdo Dantas Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Análise da Variância. Prof. Dr. Alberto Franke (48)

Análise da Variância. Prof. Dr. Alberto Franke (48) Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros

Leia mais

AULA 07 Inferência a Partir de Duas Amostras

AULA 07 Inferência a Partir de Duas Amostras 1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,

Leia mais

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios

Leia mais

Pressuposições à ANOVA

Pressuposições à ANOVA UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB DISCIPLINA BIOEXPERIMENTAÇÃO Exercício de experimento fatorial resolução passo-à-passo Os dados apresentados abaixo são uma adaptação do exemplo apresentado por Banzato e Kronka (199) Os dados são valores

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5 MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão

Leia mais

Bioestatística Básica RCA 5804 COMPARANDO GRUPOS INDEPENDENTES. Prof. Dr. Alfredo J Rodrigues

Bioestatística Básica RCA 5804 COMPARANDO GRUPOS INDEPENDENTES. Prof. Dr. Alfredo J Rodrigues Bioestatística Básica RCA 5804 COMPARANDO GRUPOS INDEPENDENTES Prof. Dr. Alfredo J Rodrigues Departamento de Cirurgia e Anatomia Faculdade de Medicina de Ribeirão Preto Universidade de São Paulo alfredo@fmrp.usp.br

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Princípios de Bioestatística Teste de Hipóteses

Princípios de Bioestatística Teste de Hipóteses 1/36 Princípios de Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela 2/36 3/36 Exemplo A concentração de certa substância

Leia mais

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa 2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante

Leia mais

Intervalos de Confiança

Intervalos de Confiança Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de

Leia mais

Planejamento de Experimentos

Planejamento de Experimentos Planejamento de Experimentos Analise de Variância (ANOVA) com um Fator Planejamento de Experimentos Muitas vezes é necessário obter informações sobre produtos e processos empiricamente. Trabalho assemelha-se

Leia mais

ANOVA - parte I Conceitos Básicos

ANOVA - parte I Conceitos Básicos ANOVA - parte I Conceitos Básicos Erica Castilho Rodrigues 9 de Agosto de 2011 Referências: Noções de Probabilidade e Estatística - Pedroso e Lima (Capítulo 11). Textos avulsos. Introdução 3 Introdução

Leia mais

DELINEAMENTO EM BLOCOS AO ACASO

DELINEAMENTO EM BLOCOS AO ACASO DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.

Leia mais

Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste

Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta

Leia mais

Teste de Cochran (Homogeneidade de Variância)

Teste de Cochran (Homogeneidade de Variância) ara o modelo heterocedástico, vamos inicialmente testar as hipóteses Os métodos mais utilizados são os testes de Cochran, Bartlett e de Levene. Teste de Cochran (Homogeneidade de Variância) O teste de

Leia mais

ANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j

ANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j SUMÁRIO 1 Análise de Variância 1 1.1 O Teste F...................................... 1.2 Verificando as pressuposições do modelo..................... 5 1.2.1 Verificação de Normalidade.........................

Leia mais

Testes de hipóteses Paramétricos

Testes de hipóteses Paramétricos Testes de hipóteses Paramétricos Modelos de análise de variância com um factor Teste de Bartlett Teste de comparações múltiplas de Scheffé Rita Brandão (Univ. Açores) Testes de hipóteses Paramétricos 1

Leia mais

Teste Anova. Prof. David Prata Novembro de 2016

Teste Anova. Prof. David Prata Novembro de 2016 Teste Anova Prof. David Prata Novembro de 2016 Tipo de Variável Introduzimos o processo geral de teste de hipótese. É hora de aprender a testar a sua própria hipótese. Você sempre terá que interpretar

Leia mais

Métodos Estatísticos Avançados em Epidemiologia

Métodos Estatísticos Avançados em Epidemiologia Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/

Leia mais

Modelos de Regressão Linear Simples - Análise de Resíduos

Modelos de Regressão Linear Simples - Análise de Resíduos Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro

Leia mais

Modelos Lineares Generalizados - Verificação do Ajuste do Modelo

Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística TESTES DE HIPÓTESES (ou Testes de Significância) Estimação e Teste de Hipóteses Estimação e teste de hipóteses (ou significância) são os aspectos principais da Inferência Estatística

Leia mais

Escolha dos testes INTRODUÇÃO À BIOESTATÍSTICA QUANTIFICAÇÃO DOS GRUPOS DO ESTUDO PESQUISA INFERÊNCIA ESTATÍSTICA TESTE DE HIPÓTESES E

Escolha dos testes INTRODUÇÃO À BIOESTATÍSTICA QUANTIFICAÇÃO DOS GRUPOS DO ESTUDO PESQUISA INFERÊNCIA ESTATÍSTICA TESTE DE HIPÓTESES E Escolha dos testes INTRODUÇÃO À BIOESTATÍSTICA Determinada a pergunta/ hipótese Recolhidos os dados Análise descritiva = Estatística descritiva QUAIS TESTES ESTATÍSTICOS DEVEM SER REALIZADOS?? PROFESSORA:

Leia mais

Teste de Hipótese e Intervalo de Confiança

Teste de Hipótese e Intervalo de Confiança Teste de Hipótese e Intervalo de Confiança Suponha que estamos interessados em investigar o tamanho da ruptura em um músculo do ombro... para determinar o tamanho exato da ruptura, é necessário um exame

Leia mais

Considerações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II

Considerações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula 8 Profa. Renata G. Aguiar Considerações Coleta de dados no dia 18.05.2010. Aula extra

Leia mais

Análise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013

Análise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013 Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos

Leia mais

CAPÍTULO IV Análise de variância

CAPÍTULO IV Análise de variância CAPÍTULO IV Análise de variância O objectivo principal da análise de variância (analysis of variance - ANOVA) é a comparação de mais do que dois grupos no que diz respeito à localização. Para exemplificar,

Leia mais

Testes de Hipóteses Estatísticas

Testes de Hipóteses Estatísticas Capítulo 5 Slide 1 Testes de Hipóteses Estatísticas Resenha Hipótese nula e hipótese alternativa Erros de 1ª e 2ª espécie; potência do teste Teste a uma proporção; testes ao valor médio de uma v.a.: σ

Leia mais

Inferência para várias populações normais análise de variância (ANOVA)

Inferência para várias populações normais análise de variância (ANOVA) Inferência para várias populações normais análise de variância (ANOVA) Capítulo 15, Estatística Básica (Bussab&Morettin, 8a Edição) 9a AULA 11/05/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues

Leia mais

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA) 1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância

Leia mais

Princípios de Bioestatística

Princípios de Bioestatística Princípios de Bioestatística Cálculo do Tamanho de Amostra Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 1 / 32 2 / 32 Cálculo do Tamanho de Amostra Parte fundamental

Leia mais

ESTUDOS DE COORTE. Baixo Peso Peso Normal Total Mãe usuária de cocaína

ESTUDOS DE COORTE. Baixo Peso Peso Normal Total Mãe usuária de cocaína UNIVERSIDADE FEDERAL DO RIO DE JANEIRO CENTRO DE CIÊNCIAS DA SAÚDE FACULDADE DE MEDICINA DEPARTAMENTO DE MEDICINA PREVENTIVA DISCIPLINA DE EPIDEMIOLOGIA ESTUDOS DE COORTE 1) Com o objetivo de investigar

Leia mais

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. MOQ-13 Probabilidade e Estatística

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. MOQ-13 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 16/11/2011 Testes de

Leia mais

MB-210 Probabilidade e Estatística

MB-210 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MB-210 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 2o. semestre/2013 Testes

Leia mais

AULA 11 Heteroscedasticidade

AULA 11 Heteroscedasticidade 1 AULA 11 Heteroscedasticidade Ernesto F. L. Amaral 30 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey M. Introdução à econometria:

Leia mais

Métodos Quantitativos Aplicados

Métodos Quantitativos Aplicados Métodos Quantitativos Aplicados Aula 6 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: os casos dos testes de proporções para duas amostras independentes e emparelhadas

Leia mais

Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL

Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL Experimentos (testes) são realizados por pesquisadores em todos os campos de investigação, usualmente para descobrir

Leia mais

Capítulo 11 Análise da Variância. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1

Capítulo 11 Análise da Variância. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1 Capítulo 11 Análise da Variância Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1 Objetivos do Aprendizado Neste capítulo você aprenderá: Os conceitos básicos da modelagem

Leia mais

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir

Leia mais

AULAS 25 E 26 Heteroscedasticidade

AULAS 25 E 26 Heteroscedasticidade 1 AULAS 25 E 26 Heteroscedasticidade Ernesto F. L. Amaral 10 e 15 de junho de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:

Leia mais

ANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva

ANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva ANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Exemplo 1 de Introdução Medley & Clements (1998) estudaram o efeito de metais pesados, especialmente zinco, sobre

Leia mais

Teste de hipóteses. Testes de Hipóteses. Valor de p ou P-valor. Lógica dos testes de hipótese. Valor de p 31/08/2016 VPS126

Teste de hipóteses. Testes de Hipóteses. Valor de p ou P-valor. Lógica dos testes de hipótese. Valor de p 31/08/2016 VPS126 3/8/26 Teste de hipóteses Testes de Hipóteses VPS26 Ferramenta estatística para auxiliar no acúmulo de evidências sobre uma questão Média de glicemia de um grupo de animais é diferente do esperado? Qual

Leia mais

Estatística Analítica

Estatística Analítica Teste de Hipótese Testes Estatísticos 2 Teste de Hipótese Testes Estatísticos 3 1 Teste de Hipótese Testes Estatísticos 4 Principais Testes: Teste Qui-quadrado Teste T de Student Teste ANOVA Teste de Correlação

Leia mais

Estatística II. Aula 7. Prof. Patricia Maria Bortolon, D. Sc.

Estatística II. Aula 7. Prof. Patricia Maria Bortolon, D. Sc. Estatística II Aula 7 Prof. Patricia Maria Bortolon, D. Sc. Análise da Variância Objetivos do Aprendizado Nesta aula você aprenderá: A utilizar a análise de variância de fator único para testar diferenças

Leia mais

EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA

EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA

Leia mais

Análise de Variância (ANOVA)

Análise de Variância (ANOVA) Análise de Variância (ANOVA) A Regressão Linear visa modelar uma variável resposta numérica (quantitativa), à custa de uma ou mais variáveis preditoras, igualmente numéricas. Mas uma variável resposta

Leia mais

Planejamento e Pesquisa 1. Dois Grupos

Planejamento e Pesquisa 1. Dois Grupos Planejamento e Pesquisa 1 Dois Grupos Conceitos básicos Comparando dois grupos Testes t para duas amostras independentes Testes t para amostras pareadas Suposições e Diagnóstico Comparação de mais que

Leia mais

Exercícios para Revisão de Teste de Hipótese. Gabarito: 1)B 2)D 3)A 4)D 5)E 6)C 7)A 8)E 9)B 10)C 11)A 12)A 13)B 14)E

Exercícios para Revisão de Teste de Hipótese. Gabarito: 1)B 2)D 3)A 4)D 5)E 6)C 7)A 8)E 9)B 10)C 11)A 12)A 13)B 14)E Exercícios para Revisão de Teste de Hipótese Material retirado do site http://adm.online.unip.br/ Gabarito: 1)B 2)D 3)A 4)D 5)E 6)C 7)A 8)E 9)B 10)C 11)A 12)A 13)B 14)E 1) Um revendedor de lâmpadas recebeu

Leia mais

INTRODUÇÃO A MODELOS MISTOS

INTRODUÇÃO A MODELOS MISTOS INTRODUÇÃO A MODELOS MISTOS Delineamento experimental ou desenho experimental, de uma forma bastante simples, é a forma em que os tratamentos (níveis de um fator ou combinações de níveis de fatores) são

Leia mais

Teste de hipótese de variância e Análise de Variância (ANOVA)

Teste de hipótese de variância e Análise de Variância (ANOVA) Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente

Leia mais

CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO

CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO Ana Paula Araujo Correa Eder Queiroz Newton Trevisan DEFINIÇÃO É um teste de hipóteses que se destina a encontrar um valor da dispersão para duas variáveis

Leia mais

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Contexto Já vimos como analisar um experimento em blocos na presença de um único fator de interesse. Podemos ter experimentos

Leia mais

Análise de Regressão Linear Simples III

Análise de Regressão Linear Simples III Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA

UNIVERSIDADE FEDERAL DA PARAÍBA UNIVERSIDADE FEDERAL DA PARAÍBA Modelos de Probabilidade e Inferência Estatística Análise de Variância Parte 2 Departamento de Estatística Luiz Medeiros Estimação dos parâmetros e diagnóstico do modelo

Leia mais

Estatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br

Estatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES

Leia mais

Teste de Hipótese e Intervalo de Confiança. Parte 2

Teste de Hipótese e Intervalo de Confiança. Parte 2 Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos

Leia mais

Teste de hipótese em modelos normais lineares: ANOVA

Teste de hipótese em modelos normais lineares: ANOVA Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar

Leia mais

quadrado testa conjuntamente se existe uma associação entre a variável resposta e uma variável preditora. No Assistente, é possível realizar um Teste

quadrado testa conjuntamente se existe uma associação entre a variável resposta e uma variável preditora. No Assistente, é possível realizar um Teste Este artigo é parte de uma série de artigos que explicam a pesquisa conduzida pelos estatísticos do Minitab para desenvolver os métodos e verificações de dados usados no Assistente no Software Estatístico

Leia mais

POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS

POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA População (N) representa o conjunto de todas as unidades experimentais que apresentam características em comum Amostra (n) representa uma parte do todo.

Leia mais

09 de setembro de 2013

09 de setembro de 2013 Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 09 de setembro de 2013 1 2 3 4 5 6 7 8 9 10 Conteúdo Contexto Quando o F da ANOVA está sendo utilizado para testar diferenças

Leia mais

TESTES DE NORMALIDADE E SIGNIFICÂNCIA. Profª. Sheila Regina Oro

TESTES DE NORMALIDADE E SIGNIFICÂNCIA. Profª. Sheila Regina Oro TESTES DE NORMALIDADE E SIGNIFICÂNCIA Profª. Sheila Regina Oro A suposição de normalidade dos dados amostrais ou experimentais é uma condição exigida para a realização de muitas inferências válidas a respeito

Leia mais

Testes de Hipóteses Paramétricos

Testes de Hipóteses Paramétricos Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto

Leia mais

Hipóteses. Hipótese. É uma pressuposição de um determinado problema.

Hipóteses. Hipótese. É uma pressuposição de um determinado problema. Bioestatística Aula 7 Teoria dos Teste de Hitóteses Prof. Tiago A. E. Ferreira 1 Hipóteses Hipótese É uma pressuposição de um determinado problema. Uma vez formulada, a hipótese estará sujeita a uma comprovação

Leia mais

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma

Leia mais

MOQ-14 Projeto e Análise de Experimentos

MOQ-14 Projeto e Análise de Experimentos Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear

Leia mais

TESTE DO QUI-QUADRADO DE INDEPENDÊNCIA

TESTE DO QUI-QUADRADO DE INDEPENDÊNCIA TESTE DO QUI-QUADRADO DE INDEPENDÊNCIA Suponha que numa amostra aleatória de tamanho n de uma dada população são observados dois atributos ou características A e B (qualitativas ou quantitativas), uma

Leia mais

ANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno

ANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno ANOVA FACTORIAL Quando a variável dependente é influenciada por mais do que uma variável independente (Factor) estamos interessados em estudar o efeito não só de cada um dos factores mas e também a possível

Leia mais

ANOVA (Analysis of Variance)

ANOVA (Analysis of Variance) Tópicos Avançados em Avaliação e Desempenho de Sistemas ANOVA (Analysis of Variance) Aleciano Júnior aflj@cin.ufpe.br Carlos Melo casm3@cin.ufpe.br Charles Bezerra cbm3@cin.ufpe.br Tópicos Introdução História,

Leia mais

Inferência Estatística

Inferência Estatística Metodologia de Diagnóstico e Elaboração de Relatório FASHT Inferência Estatística Profa. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Duas distribuições importantes Normal T- Student Estimação

Leia mais

AULA 05 Análise de regressão múltipla: inferência

AULA 05 Análise de regressão múltipla: inferência 1 AULA 05 Análise de regressão múltipla: inferência Ernesto F. L. Amaral 19 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Wooldridge, Jeffrey M. Introdução

Leia mais

GERÊNCIA DE ENSINO E PESQUISA - GEP SETOR DE GESTÃO DA PESQUISA E INOVAÇÃO TECNOLOGICA ESTATÍSTICA ALICADA NO EXCEL. Estatística Descritiva

GERÊNCIA DE ENSINO E PESQUISA - GEP SETOR DE GESTÃO DA PESQUISA E INOVAÇÃO TECNOLOGICA ESTATÍSTICA ALICADA NO EXCEL. Estatística Descritiva GERÊNCIA DE ENSINO E PESQUISA - GEP SETOR DE GESTÃO DA PESQUISA E INOVAÇÃO TECNOLOGICA ESTATÍSTICA ALICADA NO EXCEL Estatística Descritiva A análise descritiva consiste basicamente na organização e descrição

Leia mais

9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla

9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual

Leia mais

Capítulo 4 Inferência Estatística

Capítulo 4 Inferência Estatística Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de

Leia mais

NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional

NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses TESTE

Leia mais

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real.

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real. Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,

Leia mais

ESTATÍSTICA ANALÍTICA. Prof. Dr. Guanis de Barros Vilela Junior

ESTATÍSTICA ANALÍTICA. Prof. Dr. Guanis de Barros Vilela Junior ESTATÍSTICA ANALÍTICA Prof. Dr. Guanis de Barros Vilela Junior Introdução Permite ao pesquisador ir além da descrição dos dados e fazer inferências sobre a população, a partir da amostra. Estas inferências

Leia mais

Inferência Estatística

Inferência Estatística Inferência Estatística Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Núcleo de Estatística e Informática HUUFMA email: alcione.miranda@terra.com.br Inferência Estatística Inferências

Leia mais

AULA 12 Inferência a Partir de Duas Amostras

AULA 12 Inferência a Partir de Duas Amostras 1 AULA 12 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 15 de setembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Precificação de apartamentos para o bairro Água Verde em Curitiba

Precificação de apartamentos para o bairro Água Verde em Curitiba Precificação de apartamentos para o bairro Água Verde em Curitiba Chuck Norris Arnold Schwarzenegger 18 de julho de 2013 O preço de imóveis depende principalmente do seu tamanho e localização. A infraestrutura

Leia mais

Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais

Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br

Leia mais

UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL LISTA DE EXERCÍCIOS 4

UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL LISTA DE EXERCÍCIOS 4 UNIVERSIDADE EDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Disciplina: Estatística II LISTA DE EXERCÍCIOS 4 1. Torna-se necessária uma comparação múltipla de médias quando

Leia mais

Inferência Estatística: Conceitos Básicos II

Inferência Estatística: Conceitos Básicos II Inferência Estatística: Conceitos Básicos II Distribuição Amostral e Teorema do Limite Central Análise Exploratória de dados no SPSS Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação

Leia mais

MEDIDAS DE POSIÇÃO E DE DISPERSÃO. Profª Andréa H Dâmaso

MEDIDAS DE POSIÇÃO E DE DISPERSÃO. Profª Andréa H Dâmaso MEDIDAS DE POSIÇÃO E DE DISPERSÃO Profª Andréa H Dâmaso Bioestatística e Delineamento Experimental - 2012 Tópicos da aula Medidas de tendência central e dispersão Variáveis contínuas: distribuição normal

Leia mais

Estatística

Estatística Estatística 1 2016.2 Sumário Capítulo 1 Conceitos Básicos... 3 MEDIDAS DE POSIÇÃO... 3 MEDIDAS DE DISPERSÃO... 5 EXERCÍCIOS CAPÍTULO 1... 8 Capítulo 2 Outliers e Padronização... 12 VALOR PADRONIZADO (Z)...

Leia mais

Intervalos de conança

Intervalos de conança Intervalos de conança Prof. Hemílio Fernandes Campos Coêlho Departamento de Estatística - Universidade Federal da Paraíba - UFPB Exemplo Suponha que se deseja estimar o diâmetro da pupila de coelhos adultos.

Leia mais

Testes de hipóteses com duas amostras CURSO DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA. Módulo: ESTIMATIVA E TESTE DE HIPÓTESE.

Testes de hipóteses com duas amostras CURSO DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA. Módulo: ESTIMATIVA E TESTE DE HIPÓTESE. CURSO DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA Módulo: ESTIMATIVA E TESTE DE HIPÓTESE slide Testes de hipóteses com duas amostras slide Larson/Farber 4th ed Descrição - Testar a diferença entre médias

Leia mais

Licenciatura em Ciências Biológicas Universidade Federal de Goiás. Bioestatística. Prof. Thiago Rangel - Dep. Ecologia ICB

Licenciatura em Ciências Biológicas Universidade Federal de Goiás. Bioestatística. Prof. Thiago Rangel - Dep. Ecologia ICB Licenciatura em Ciências Biológicas Universidade Federal de Goiás Bioestatística Prof. Thiago Rangel - Dep. Ecologia ICB rangel.ufg@gmail.com Página do curso: http://www.ecologia.ufrgs.br/~adrimelo/bioestat

Leia mais

Testes de Aderência, Homogeneidade e Independência

Testes de Aderência, Homogeneidade e Independência Testes de Aderência, Homogeneidade e Independência Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é um teste de hipótese? Queremos saber se a evidência que temos em mãos significa

Leia mais

Conteúdo programático por disciplina Matemática 6 o ano

Conteúdo programático por disciplina Matemática 6 o ano 60 Conteúdo programático por disciplina Matemática 6 o ano Caderno 1 UNIDADE 1 Significados das operações (adição e subtração) Capítulo 1 Números naturais O uso dos números naturais Seqüência dos números

Leia mais

Gráfico de Probabilidades

Gráfico de Probabilidades Gráfico de Probabilidades Objetivo: Verificar se um conjunto de dados pode ter sido gerado a partir de uma específica distribuição de probabilidades contínua. Exemplo: Os dados abaixo se referem aos retornos

Leia mais

Para ajudar a interpretar os resultados, o Cartão de Relatórios do Assistente do teste de % de defeituosos para 1 amostra exibe os seguintes

Para ajudar a interpretar os resultados, o Cartão de Relatórios do Assistente do teste de % de defeituosos para 1 amostra exibe os seguintes Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas no assistente no software estatístico

Leia mais

Testes t para médias

Testes t para médias Testes t para médias 1-1 Testes t para médias Os testes t aplicam-se tanto a amostras independentes como a amostras emparelhadas. Servem para testar hipóteses sobre médias de uma variável quantitativa

Leia mais

II.3. Análise de Variância (ANOVA)

II.3. Análise de Variância (ANOVA) II.3. Análise de Variância (ANOVA) A Regressão Linear visa modelar uma variável resposta numérica (quantitativa), à custa de uma ou mais variáveis preditoras, igualmente numéricas. Mas uma variável resposta

Leia mais

Estatística Indutiva

Estatística Indutiva Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição

Leia mais

Amostragem Aleatória e Descrição de Dados - parte II

Amostragem Aleatória e Descrição de Dados - parte II Amostragem Aleatória e Descrição de Dados - parte II 2012/02 1 Diagrama de Ramo e Folhas 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Construir e interpretar disposições gráficas dos

Leia mais